基于神经网络的黄柏河东支流域水质遥感估算

水质安全是水环境中的关键因素,流域中复杂的空间差异一直是水质估算精度不高的主要原因。文章提出采用一阶微分算法提高遥感影像数据与实测水质参数之间的相关性,利用遥感影像数据与流域库区空间划分条件作为BP神经网络的输入模拟流域空间结构建立高精度水质反演模型。以黄柏河东支流域尚家河水库坝址以上流域为研究对象,基于Landsat-8遥感影像数据,选取主要水质参数：氨氮、总磷、高锰酸盐指数。经验证模型达到“优”精度等级,估算值与实测值最小决定系数为0.85、最小纳什效率系数为0.82、最小百分比偏差值为-9.51%、最大均方根误差与标准值比值为0.42。从水质参数估算结果空间分布图确定流域中玄庙观水库以氨氮浓度为代表污染最为严重。     

基于SRTM DEM的月降雨量空间插值研究

在水文模型的实际应用中,常需要根据雨量站观测值来合理地模拟降雨的空间分布。选取清江流域为研究对象,利用ArcGIS地统计模块中的反距离权插值法、径向基插值法、克里格插值法和引入高程、坡度、坡向等地形信息的协克里格插值法对该流域1998年4～9月的月降雨实测值进行空间插值。在插值之前,通过数据探索性分析掌握降雨的空间分布特征,以便提高插值精度。插值结果表明：应用协克里格方法,在考虑高程、坡度、坡向等影响要素的条件下,降雨空间插值效果更优。     

BP网络算法需水量预测模型的应用

由于水资源的日渐减少,尤其是水资源短缺的地区,水资源规划与管理显得尤为重要。需水量预测是进行水资源规划与管理的重要技术,合理且准确地预测未来的需水量,可以避免投资的浪费和减少将来用水危机的发生。本文采用BP神经网络,利用烟台市与需水量相关关系比较好的影响因子对需水量进行预测,结果表明,预测值与实测值相差较小,且BP神经网络用于需水量预测具有一定的可行性。